Python中面向对象你应该知道的一下知识_Python

0x00 is与==

==运算符是比较两个对象的内容是否相等，默认情况是调用对象的__eq__方法进行比较；而is是比较两个对象是否一样，它比较的两个对象的id，即它们的内存地址是否相同。

				?

									>>> a = [1,2,3]

									>>> b = [1,2,3]

									>>> a == b

									True

									# a和b是否是同一个对象

									>>> a is b

									False

									# a和b的地址其实是不一样的

									>>> id(a)

									4498717128

									>>> id(b)

									4446861832

在比较时但也有例外。Python对一些常用的值进行缓存优化，例如在区间[-5,256]的整数，它们在创建时，无论创建多少个对象，它们的id是一样的，即它们在底层中只保存一份内存。

				?

									>>> a = -5

									>>> b = -5

									>>> a == b

									True

									>>> a is b

									True

									>>> a = -6

									>>> b = -6

									>>> a == b

									True

									>>> a is b

									False

对一些短的字符串也是如此，因此并不是所有字符串都会创建新的实例

				?

									>>> a='123'

									>>> b='123'

									>>> a==b

									True

									>>> a is b

									True

									>>> id(a)

									4446903800

									>>> id(b)

									4446903800

									>>> x = 'long char'

									>>> y = 'long char'

									>>> x == y

									True

									>>> x is y

									False

0x01 __repr__与__str__

每个类都应该提供一个__repr__方法。__repr__方法和__str__方法有什么不一样呢？
简单的说，__repr__可以反映一个对象的类型以及包含的内容，而__str__主要是用于打印一个对象的内容。例如看一下Python中的日期类datetime

				?

									import datetime

									>>> today = datetime.date.today()

									>>> today

									datetime.date(2019, 7, 7)

									>>> print(today)

									2019-07-07

									>>> str(today)

									'2019-07-07'

									>>> repr(today)

									'datetime.date(2019, 7, 7)'

__str__在字符串连接，打印等操作会用到，而__repr__主要是面向开发者，它能反馈的信息比较多，例如在交互环境下输入today这个变量会打印出datetime.date(2019, 7, 7)，不仅可以看出today代表的是今天的日期信息，还可以看出它的类型信息。更重要的是你可以直接复制这段打印出来的信息，直接构造一个“相同”的对象出来。

例如

				?

									>>> now = datetime.date(2019, 7, 7)

									>>> now

									datetime.date(2019, 7, 7)

0x02 对象复制

对象的复制或说对象拷贝可以分为浅拷贝和深拷贝。

浅拷贝与深拷贝

我们通过代码来说明，就很好理解

如果要拷贝的对象是基本数据类型，那么深拷贝和浅拷贝的区别不是很大。

				?

									>>> a = [1,2,3]

									>>> b = list(a)

									>>> a[1]=200

									>>> a

									[1, 200, 3]

									>>> b

									[1, 2, 3]

修改a中的元素并不会影响到b

但如果要拷贝的对象包含了另一个对象，那么就要考虑深拷贝和浅拷贝的问题了。

				?

									>>> a = [[1,2,3],[4,5,6],[7,8,9]]

									>>> b = list(a)

									>>> a == b

									True

									>>> a is b

									False

这里有一个列表a，里面有三个子列表，即列表里包含的是对象。

我们使用list工厂方法创建了一个a的拷贝b,这个b就是a的浅拷贝，为什么呢？

				?

									>>> a[1][2]='x'

									>>> a

									[[1, 2, 3], [4, 5, 'x'], [7, 8, 9]]

									>>> b

									[[1, 2, 3], [4, 5, 'x'], [7, 8, 9]]

把a[1][2]的元素修改成了x,这时候b列表中也响应了相同的修改。所以这是浅拷贝，因为没有把子对象进行拷贝，只是拷贝了指向子对象的引用。

知道浅拷贝，那么深拷贝就很好理解了。执行拷贝之后，拷贝对象和原对象是完全独立的，修改任何一个对象都不会影响到另一个对象

如何深拷贝一个对象

这时候就需要copy模块了，该模块有两个重要的方法deepcopy和copy。不错，就是分别代表深拷贝和浅拷贝。

				?

									>>> import copy

									>>> a = [[1,2,3],[4,5,6],[7,8,9]]

									>>> b = copy.deepcopy(a)

									>>> a

									[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

									>>> b

									[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

									>>> a[1][2]='change'

									>>> a

									[[1, 2, 3], [4, 5, 'change'], [7, 8, 9]]

									>>> b

									[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

执行深拷贝之后，对a的修改并不会影响到b。

0x03 Abstract Base Classes(ABC)

抽象基类的使用

为了说明为什么要使用ABC,我们先看下不使用ABC的情况

				?

									# 定义了基类Base

									>>> class Base:

									    def foo(self):

									        raise NotImplemented

									    def bar(self):

									        raise NotImplemented

									# 定义实现类

									>>> class Concrete(Base):

									    def foo(self):

									        print('called foo')

									  # 实现类并没有实现bar方法

									>>> c = Concrete()

									>>> c.foo()

									called foo

									>>> c.bar()

									Traceback (most recent call last):

									 File "<pyshell#391>", line 1, in <module>

									  c.bar()

									 File "<pyshell#384>", line 5, in bar

									  raise NotImplemented

									TypeError: exceptions must derive from BaseException

可以看到没有实现基类bar方法的Concrete类，依然可以使用，并没有在第一时间抛出错误。

要解决这个问题，就要用到我们abc模块了。

				?

									from abc import ABC

									# 定义基类，继承于ABC

									>>> class Base(ABC):

									    @abstractmethod

									    def foo(self):

									        pass

									    @abstractmethod

									    def bar(self):

									        pass

									>>> class Concrete(Base):

									    def foo(self):

									        print("called foo")

									    # 实现类并没有实现bar方法

									>>> c = Concrete()

									Traceback (most recent call last):

									 File "<pyshell#357>", line 1, in <module>

									  c = Concrete()

									TypeError: Can't instantiate abstract class Concrete with abstract methods bar

可以看到，在使用Concrete构造方法的时候，就立即抛出TypeError了。

0x04 使用namedtuple的好处

关于namedtuple的用法在前面的文章《如何在Python中表示一个对象》也有提到。

简单的说namedtuple是一个可以命名的tuple，他是对tuple的扩展，它有跟tuple一样不可变的属性。

对于一些数据类的定义，namedtuple使用起来非常方便

				?

									>>> from collections import namedtuple

									>>> Point = namedtuple('Point','x y z')

									>>> p = Point(1,3,5)

									>>> p

									Point(x=1, y=3, z=5)

									>>> p.x

									1

									>>> p.y = 3.5

									AttributeError: can't set attribute

									# 可以看出通过namedtuple定义对象，就是一个class类型的

									>>> type(p)

									<class '__main__.Point'>

还可以使用它内部的一些工具方法，在实际的编码当中也是非常实用的。

				?

									# 转化为dict

									>>> p._asdict()

									OrderedDict([('x', 1), ('y', 3), ('z', 5)])

									# 更新或替换某个属性值

									>>> p._replace(x=111)

									Point(x=111, y=3, z=5)

									# 使用_make创建新对象

									>>> Point._make([333,666,999])

									Point(x=333, y=666, z=999)

0x05 类变量和实例变量

Python中对象的属性类型有实例变量和类变量。

类变量是属于类的，它存储在“类的内存空间”里，并能够被它的各个实例对象共享。而实例变量是属于某个特定实例的，它不在“类的内存空间”中，它是独立于各个实例存在的。

				?

									>>> class Cat:

									    num_legs = 4

									>>> class Cat:

									    num_legs = 4

									    def __init__(self,name):

									        self.name = name

									>>> tom = Cat('tom')

									>>> jack = Cat('jack')

									>>> tom.name,jack.name

									('tom', 'jack')

									>>> tom.num_legs,jack.num_legs

									(4, 4)

									>>> Cat.num_legs

									4

这里定义了一个猫类，它有一个实例变量name,还有一个类变量num_legs，这个是各个实例共享的。

如果对类变量进行，那么其它实例也会同步修改。而对某个实例对修改，并不会影响都类变量。

				?

									>>> Cat.num_legs = 6

									>>> tom.num_legs,jack.num_legs

									(6, 6)

									>>> tom.num_legs = 2

									>>> tom.num_legs,jack.num_legs

									(2, 6)

									>>> Cat.num_legs

									6

tom.num_legs = 2这个语句都作用其实对tom这个实例增加了一个属性，只不过这个属性名称跟类属性的名称是一致的。

0x06 实例方法、类方法和静态方法

为了更好区分，我们还是来看代码

				?

									>>> class MyClass:

									    def method(self):

									        print(f"instance method at {self}" )

									    @classmethod

									    def classmethod(cls):

									        print(f'classmethod at {cls}')

									    @staticmethod

									    def staticmethod():

									        print('staticmethod')

									>>> mc = MyClass()

									>>> mc.method

									<bound method MyClass.method of <__main__.MyClass object at 0x10c280b00>>

									>>> mc.classmethod

									<bound method MyClass.classmethod of <class '__main__.MyClass'>>

									>>> mc.staticmethod

									<function MyClass.staticmethod at 0x1090d4378>

可以看到在MyClass中分别定义实例方法(method)、类方法(classmethod)和静态方法(staticmethod)

在Python中一切都是对象，所以我打印来一下各个方法的__repr__输出。

对于实例方法method是绑定在MyClass的具体实现对象中的，而类方法classmethod是绑定在MyClass中的，而静态方法staticmethod既不绑定在实例里，也不绑定在类中，它就是一个function对象实例方法的调用，需要传递一个实例对象到实例方法中，以下两种方法的调用是等价的。

				?

									>>> mc.method()

									instance method at <__main__.MyClass object at 0x10910ada0>

									>>> MyClass.method(mc)

									instance method at <__main__.MyClass object at 0x10910ada0>

类方法的调用和静态方法的调用都是使用ClassName.methodName()的方式。

				?

									>>> MyClass.classmethod()

									classmethod at <class '__main__.MyClass'>

									>>> MyClass.staticmethod()

									staticmethod